买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学申请的专利基于无人机集群场景下的虚拟网络映射方法、装置及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119520194B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510088600.6，技术领域涉及：H04L12/46；该发明授权基于无人机集群场景下的虚拟网络映射方法、装置及设备是由姚海鹏;杨景凯;买天乐;忻向军;许书彬;赵君;周建华;葛洪武;王晓云设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于无人机集群场景下的虚拟网络映射方法、装置及设备在说明书摘要公布了：本申请提供了一种基于无人机集群场景下的虚拟网络映射方法、装置及设备，通过在接收到虚拟网络嵌入请求时，获取无人机集群网络的拓扑图序列；基于预构建的特征提取网络提取拓扑图序列中各拓扑图之间的时空动态特征；将时空动态特征输入到预训练的节点策略生成网络中以生成节点映射策略；基于节点映射策略将待嵌入的虚拟节点映射到无人机集群网络的无人机节点中；在虚拟节点全部映射成功后，并将待嵌入的虚拟链路映射到最短物理链路中。本发明实施例能够满足网络动态场景下的虚拟映射需求；且采用两段式的映射方法来依次映射虚拟节点及虚拟链路，能够保证节点和链路均映射成功，提高映射成功率。

本发明授权基于无人机集群场景下的虚拟网络映射方法、装置及设备在权利要求书中公布了：1.一种基于无人机集群场景下的虚拟网络映射方法，其特征在于，所述方法包括： 在接收到虚拟网络嵌入请求时，获取无人机集群网络的拓扑图序列；所述虚拟网络嵌入请求中至少包括待嵌入的虚拟节点及虚拟链路；所述拓扑图序列是由各个快照时刻捕捉的拓扑图组成； 基于预构建的特征提取网络提取所述拓扑图序列中各拓扑图之间的时空动态特征； 所述特征提取网络由图卷积网络及Transformer-XL网络组成；所述基于预构建的特征提取网络提取所述拓扑图序列中各拓扑图之间的时空动态特征包括： 基于所述图卷积网络逐个提取各个拓扑图的空间特征；图卷积网络包括两层隐藏层； 提取各个拓扑图的空间特征包括： 针对每个拓扑图确定该拓扑图中无人机节点的第一邻接矩阵和无人机集群网络的属性特征矩阵； 将第一邻接矩阵和属性特征矩阵输入到第一个隐藏层中得到初始空间特征； 将初始空间特征输入到第二个隐藏层以提取更高维度的特征信息，得到该拓扑图最终的空间特征； 判断所述拓扑图序列中的拓扑图数量是否超过预设数量阈值； 若超过预设数量阈值，则将最新捕捉的预设数量阈值的拓扑图的空间特征共同输入到Transformer-XL网络中，以提取所述预设数量阈值的拓扑图之间的时空动态特征； 若未超过预设数量阈值，则将图卷积网络提取的所有的空间特征共同输入到所述Transformer-XL网络中，以提取各拓扑图之间的时空动态特征； Transformer-XL网络引入注意力机制，设置为四个注意力头，其表示公式为：； 其中，-表示注意力头；表示全连接层，它将四个注意力头连接到一个512维的特征空间； 将所述时空动态特征输入到预训练的节点策略生成网络中以生成节点映射策略； 所述节点策略生成网络采用基于A3C算法的深度强化学习网络，所述基于A3C算法的深度强化学习网络包括Actor网络和Critic网络；所述节点策略生成网络的预训练过程包括： 获取多个无人机集群网络的当前环境状态；所述当前环境状态至少包括无人机节点的CPU容量、剩余CPU容量、带宽容量、剩余带宽容量及最大网络延迟； 基于所述当前环境状态及虚拟映射请求，通过所述Actor网络在无人机集群网络中选择被映射的无人机节点，得到节点映射策略； 通过策略梯度算法计算所述Actor网络的梯度更新方向，并沿所述梯度更新方向计算所述Actor网络的优势函数值，直至所述优势函数值最小； 基于所述Critic网络评估当前环境状态下Actor网络生成的节点映射策略的价值； 通过最小化TD误差来训练所述Critic网络，直至TD误差最小化； 基于所述节点映射策略将所述待嵌入的虚拟节点映射到无人机集群网络的无人机节点中； 在虚拟节点全部映射成功后，基于Floyd算法确定被映射的无人机节点之间的最短物理链路，并将所述待嵌入的虚拟链路映射到所述最短物理链路中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100089 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。